监督学习的目标
利用一组带有标签的数据,学习从输入到输出的映射,然后将这种映射关系应用到未知数据上,达到分类或回归的目的。
- 分类: 当输出是离散的,学习任务为分类任务。
- 回归: 当输出是连续的,学习任务为回归任务。
分类学习
输入:一组有标签的训练数据(也称观察和评估),标签表明了这些数据(观察)的所署类别。
输出:分类模型根据这些训练数据,训练自己的模型参数,学习出一个适合这组数据的分类器,当有新数据(非训练数据)需要进行类别判断,就可以将这组新数据作为输入送给学好的分类器进行判断。
分类学习-评价
• 训练集(training set):顾名思义用来训练模型的已标注数据,用来建立模型,发现规律。
• 测试集(testing set):也是已标注数据,通常做法是将标注隐藏,输送给训练好的模型,通过结果与真实标注进行对比,评估模型的学习能力。
训练集/测试集的划分方法:根据已有标注数据,随机选出一部分数据(70%)数据作为训练数据,余下的作为测试数据,此外还有交叉验证法,自助法用来评估分类模型。
精确率
精确率是针对我们预测结果而言的,(以二分类为例)它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了,一种就是把正类预测为正类(TP),另一种就是把负类预测为正类(FP),
也就是
P = TP / (TP + FP)
召回率:是针对我们原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。那也有两种可能,一种是把原来的正类预测成正类(TP),另一种就是把原来的正类预测为负类(FN),也就是
R = TP / (TP+FN)
准确率=预测对的/所有
=(TP+TN) / (TP+FN+FP+TN)
召回率
与聚类算法被统一封装在sklearn.cluster
模块不同,sklearn库中的分类算法并未被统一封装在一个子模块中,因此对分类算法的import方式各有不同。
Sklearn提供的分类函数包括:
• k近邻(knn)
• 朴素贝叶斯(naivebayes),
• 支持向量机(svm),
• 决策树 (decision tree)
• 神经网络模型(Neural networks)等
• 这其中有线性分类器,也有非线性分类器。
- 金融:贷款是否批准进行评估
- 医疗诊断:判断一个肿瘤是恶性还是良性
- 欺诈检测:判断一笔银行的交易是否涉嫌欺诈
- 网页分类:判断网页的所属类别,财经或者是娱乐?
回归:统计学分析数据的方法,目的在于了解两个或多个变数间是否相关、研究其相关方向与强度,并建立数学模型以便观察特定变数来预测研究者感兴趣的变数。回归分析可以帮助人们了解在自变量变化时因变量的变化量。一般来说,通过回归分析我们可以由给出的自变量估计因变量的条件期望。
线性回归函数包括有:
• 普通线性回归函数( LinearRegression )
• 岭回归(Ridge)
• Lasso(Lasso)
非线性回归函数,如多项式回归(PolynomialFeatures)则通过sklearn.preprocessing子模块进行调用
回归方法适合对一些带有时序信息的数据进行预测或者趋势拟合,常用在
金融及其他涉及时间序列分析的领域:
• 股票趋势预测
• 交通流量预测
网友评论